基于改进的Chahine迭代算法的粒径分布反演

反演算法的速度、精度及稳定性一直是颗粒测量领域中的研究重点。针对传统的Chahine迭代算法在反演过程中出现毛刺、伪峰及震荡等不稳定现象,将正则化理论与Chahine迭代算法相结合的改进算法用于颗粒粒径分布的重建。通过引入正则化理论建立新的线性方程,采用L曲线法确定正则化参数,再利用Chahine迭代算法求解该线性方程。仿真及实验结果表明:改进的算法解决了Chahine迭代算法的缺点,提高了反演结果的稳定性和平滑性。利用改进的算法实现国家标准颗粒的测量,其迭代15 000次所得中值粒径D50的相对误差在2%以内,用于描述分布曲线展宽的D10、D90的相对误差均在5%以内,且反演时间小于1 min,可满足颗粒粒径在线测量的需求。

彩色图像去马赛克的非局部稀疏表示方法

目前,大部分彩色去马赛克(Color DeMosaicking,CDM)算法仅利用了局部的空间和光谱相关性,容易导致CDM复原图像边缘模糊以及细小结构丢失.当图像中出现周期性细小结构时,这些局部方法容易产生诸如锯齿、栅格等失真现象.针对这些问题,我们将字典学习和稀疏编码统一到一个变分框架中,提出了非局部自适应稀疏表示模型.通过非局部相似块聚类自适应地在线学习字典.利用局部和非局部的冗余信息对稀疏编码进行约束,强制稀疏编码靠近其非局部均值以减少编码误差.为了有效抑制服从重尾分布的CDM误差,设计了基于l1范数的数据项.最后,联合交替最小化方法和算子分裂技巧对模型进行有效求解.实验结果验证了本文模型与数值算法的有效性.

基于二阶广义全变差的多帧图像超分辨率重建

图像超分辨率重建是图像处理领域的重要问题.本文将二阶广义全变差用于基于正则化的多帧图像超分辨率重建问题,构建了基于二阶广义全变差正则项的图像超分辨率模型.为了更好地保持重建图像的边缘和细节,采用图像空域自适应正则化参数,并针对该重建模型的非光滑性,给出了基于半二次正则化和交替方向法的求解算法.实验结果表明该模型和数值算法能够较好地提高图像的分辨率,同时可以较好地保持图像的细节信息.

基于Bayesian正规化BP神经网络的粘结NdFeB永磁体性能预测

基于MATLAB平台和现有的少量实验数据,采用Bayesian正规化法,建立了一个输入为工艺参数、输出为NdFeB永磁体性能参量的BP(Back Propagation)神经网络预测模型,并通过测试样本检验了ANN(Artificial NeuralNetwork)模型的准确性。实验表明,建立的Bayesian正规化BP神经网络模型不仅能准确地拟合训练值,而且能很好地预测未知样本,将该模型应用于材料制备工艺设计,可以明显缩短实验周期,提高工艺设计效率,对实际的研究工作具有一定的指导意义和应用价值。

基于二次噪声检测和细节保护规则函数的图像滤波算法

现有的图像椒盐噪声滤除算法缺乏对小于滤波窗口的图像细节与边缘信息的保护能力,本文提出了一种基于二次噪声检测和细节保护规则函数的图像椒盐噪声滤波算法,算法将滤噪过程分为两个阶段:噪声检测和噪声恢复阶段.在噪声检测过程中,用自适应中值原理对图像中的噪声点进行初步检测,然后通过局部模糊隶属度函数对检测出的噪声点进行二次判断,有效提高了噪声检测的准确度.在噪声恢复阶段,利用细节保护规则函数与l1数据逼近的凸面代价函数来恢复噪声点.为了充分利用图像局部特征,该算法自适应地选择噪声点周围的象素点利用细节规则保护函数得到输出值,当图像噪声点的凸面代价函数值达到最小时,噪声图像得到最佳恢复.实验结果表明,本文提出的滤波算法针对椒盐噪声具有很好的细节保护与噪声滤除能力,特别是在噪声感染率高(70%以上)的情况下,算法性能优于现有的其它算法.

Hessian正则化的低秩矩阵分解算法

流形正则化低秩矩阵分解(Manifold Regularized Low-rank Matrix Factorization,MRLMF)算法是一种最近提出的能考虑样本间流形结构的矩阵分解算法.MRLMF采用Laplacian图来表示样本的流形结构,但是,最近研究表明,由于Laplacian图的零空间中的测地线函数为常数,使得其往往不能较好的保持样本间的局部拓扑结构.为了解决这一问题,提出一种Hessian正则化的低秩矩阵分解算法(Hessian Regularized Low-rank Matrix Factorization,HRLMF).HRLMF利用二阶Hessian能来保持样本的局部流形结构,而Hessian能可以使测地线函数随距离变化,从而使得其保持样本局部拓扑结构的能力更强.此外,也给出了一种求解HRLMF的高效算法.在实际数据库上的实验表明,MRLMF算法比现有的算法有着更好的性能.